用 AI 制定学习计划时，要给它明确的学习目标、截止日期、可用时间、主题清单和诚实的基线。要求它安排由学习、无提示检索、反馈和间隔复习组成的短循环，然后根据你的错题记录——而不是你感觉有多自信——修订日程。AI 可以组织计划；掌握的证据必须来自你自己的表现。

关键要点

把宽泛的愿望转换成可观察的学习成果。

在分配学习时间之前，先诊断你能回忆或做到什么。

把检索、反馈、间隔和混合练习排进日程。

为难点主题和错过的课次预留缓冲时间。

根据错误和延迟检查来调整，而不是按记录的学习时长或主观的熟练感。

用 AI 制定学习计划，应该提供哪些信息？

AI 规划需要约束，而不是励志口号。“帮我学生物”会让模型自行编造范围、优先级和节奏。一份可用的简报应说明需要达到什么表现、哪些材料在范围内、何时考核、真正可用的时间有多少，以及哪些便利安排或固定事务会影响日程。

先收集这些输入：

输入	有用的细节	避免
成果	“能解释每种机制，并解答没见过的考题”	“全部都懂”
范围	课程单元、阅读清单、技能评分标准或认证领域	由模型编造、未经核实的主题清单
截止日期	考试日期及更早的检查点	把每一天都排满到最后一小时
容量	现实的工作日和周末可用分钟数	一个你无法坚持的理想一周
基线	无提示诊断的结果	只靠自我评分
证据	练习题、演示、文章或口头讲解	花在划线或重读上的时间
约束	工作、照护、健康、无障碍需求和休息	把每一天都当作可以互换

如果课程大纲、考核规则或学习材料是保密的或受版权保护，先确认哪些内容可以上传。联合国教科文组织的指引呼吁在教育中以人为本、保护隐私、符合教学规律地使用生成式 AI。［1］在有要求时使用获批的环境，删去不必要的个人信息，也不要把受限的题库粘贴到公共服务中。

第一步：定义终点和掌握证据

写出可以观察的成果。“掌握第四章”无法检验；“不看笔记解释三个阶段、比较两种机制，并解答一道新题，达到评分标准五项中的至少四项”则给了计划具体可排的内容。

把“覆盖”与“掌握”分开。覆盖意味着你接触过这些材料；掌握意味着你能在相关条件下回忆、解释、应用、辨别或产出它。AI 系统可能生成一份精致的日程，尽可能扩大覆盖面，却没有留出证明学会了的时间。

为每项成果定义一个证据检查：

**回忆：**不看笔记回答一个问题。
**解释：**用自己的话讲解这个概念，并能应对追问。
**应用：**解答一道没见过的题，或在新情境中运用这项技能。
**辨别：**解释一个看似正确的选项为什么是错的。
**产出：**按评分标准写作、口述、计算、编程、绘图或表演。

让模型标出没有对应检查的成果。如果它提出“复习笔记”这类任务，就要求它补上能显示复习是否有效的具体行为。

第二步：进行无提示基线诊断

在分配时间之前，先测试当前状态。使用一份覆盖主要单元和预期题型的简短样题。不看笔记、不看提示、不借助 AI 作答。目的不是打分，而是画出一张在哪里投入效果最大的地图。

记录的不只是对或错。给每个错误打标签：

缺少知识；
概念混淆；
提取失败；
步骤错误；
粗心大意；
速度太慢；
误解题意；
靠不可靠的猜测得出正确答案。

只给 AI 它需要的信息。你可以提供一张去标识的表格，包含主题、题型、结果、用时、信心和错误标签，而不是个人记录或受保护的考试内容。NIST 的生成式 AI 风险概况把隐私、信息完整性和人工监督视为风险管理问题，因此规划流程应尽量减少不必要的输入，并核实生成的建议。［2］

不要让模型成为评判模糊答案的最终权威。使用官方答案、评分标准、教师反馈或合格的审阅者。如果没有答案，就把该题标为未决，避免围绕一个不确定的判断来调整日程。

第三步：把范围拆成可学习单元

让 AI 把经过核实的课程大纲拆成小到一次专注学习就能完成的单元。每个单元都应有目标、先修内容、学习活动、检索问题、反馈来源和下一次复习日期。拒绝“整个热力学模块”这类无法在分配时间内完成或检查的单元。

在排列日程之前，先梳理先修关系。如果单元 B 需要单元 A 中的概念，首次学习的顺序就应反映这种依赖。但最终的计划不应在学完整个 A 之后就再也不回顾它；之后的课次应把旧内容和新内容交替安排。

一条单元记录可以是这样：

单元	可做到的成果	首次活动	检索检查	反馈	复习触发
概念 A	解释并区分两种情况	阅读完整例题	在空白页上讲解	教材评分标准	出错后重试，之后再复查
步骤 B	在新题上完成每一步	学习一个示范	无提示解题	官方解答	安排混合练习
主题 C	比较不同来源的证据	建立主张表	为一个结论辩护	教师标准	加入新来源后复查

这让学习计划不同于项目计划。项目计划安排的是产出的交付；学习计划安排的是能力的变化，以及这些变化能够持续的反复证据。

第四步：安排检索、反馈和间隔复习

把检索排进日程，而不只是阅读。检索练习是指在看到答案之前，先尝试回想出信息或步骤。然后通过反馈纠正错误。之后的检索则检查在一定程度的遗忘之后，所学内容是否仍然可用。

关于检索安排的研究表明，在间隔开的多次学习中重新学习，能提升持久记忆，但最有效的次数和间隔取决于材料和记忆目标。［3］一项关于分布式练习的定量综述同样发现，学习之间的间隔与期望的记忆保持时长之间的关系很重要；并不存在一个适用于所有任务的通用间隔。［4］

把这些发现当作设计原则，而不是死板的公式。要求 AI 生成的日程包括：

第一次接触，建立足以尝试检索的理解。
一次简短的无提示回忆或应用检查。
来自权威来源的即时纠正。
在逐渐拉长或与情境相符的间隔之后再次复习。
需要自己选择方法、而不只是重复的混合练习。
在更接近真实考核条件下进行的延迟检查点。

让每节学习保持有边界。一个实用的学习块可以包括简短的检索热身、专注学习、练习、反馈，以及一条关于下次复习的备注。具体分钟数取决于任务和你的注意力需要。不要只因为有空闲时间，就让 AI 把每个时段都填满。

第五步：加入缓冲、休息和恢复规则

没有余量的计划，在生活第一次出现变化时就会失效。在主要检查点之前预留空白时段，并限制一天内高强度学习的次数。在高强度任务之后安排较轻的复习，并保护睡眠，而不是把它当作备用容量。

事先写好恢复规则：

如果错过一节课，把最重要的检索检查移到下一个缓冲时段。
不要为了“追进度”而把之后的每一节都加倍。
如果某项先修内容仍然薄弱，暂停依赖它的内容，先把它补上。
如果在延迟检查中表现稳定，就降低频率，把时间转向别处。
如果多个主题同时失败，就重新审视诊断或学习方法，而不是无休止地重排日程。

当约束变化时，要求 AI 说明它删掉了什么。一个悄悄压缩休息或核验时间的计划，并不是现实的修订。

第六步：用错题日志更新计划

每次有意义的检查之后，记录日期、主题、任务、结果、错误类别、纠正内容和下一次测试。条目要足够简短，让你能坚持维护。计划应对规律作出反应，而不是对一节令人沮丧的课作出反应。

使用如下的每周复盘提示词：

只使用这份去标识的错题日志和原始课程大纲，为下周提出调整建议。只在延迟表现薄弱的地方增加或改变练习。保留固定事务、休息和最终检查点。用触发调整的证据解释每一处日程变化。

亲自审阅这份建议。AI 可能对最近的错误反应过度、把难度与重要性混为一谈，或分配超出你实际拥有的时间。保留一份简单的变更日志：调整了什么、为什么调整，以及什么结果能说明这次调整是否有效。

主观信心可以作为有用的背景，但它不是掌握的证据。轻松地重读常常让人感觉很流畅；不看笔记的讲解或解一道新题才是更有力的信号。如果信心高而表现差，就安排检索和反馈；如果信心低但表现一直很好，就先用延迟检查确认，再考虑增加练习。

第七步：进行每周和终期审计

每周结束时，核实四件事：范围覆盖、延迟表现、错误趋势和剩余容量。检查考核形式是否得到体现。准备口试的学生应该开口讲；准备证明题的学习者应该写证明；学语言的人应该在语境中产出和理解语言。

在最后阶段之前，把宽泛的学习块替换为有代表性的练习和有针对性的修补。保留检查错误的时间。不要在最后一节课生成超出你能复习的材料。

也要审计 AI 的贡献。确认没有任何主题、截止日期、先修关系或考试规则是编造的。对照官方材料检查链接和参考资料。如果计划依赖 AI 生成的测验，在用它的分数改变日程之前，先核验这些题目。

总结

定义可观察的成果和对应的掌握检查。
用无提示诊断来分配时间。
把经过核实的范围拆成带先修关系和反馈的单元。
安排检索、纠正、间隔复习和混合练习。
保护缓冲时间、休息和恢复规则。
根据错误规律和延迟表现来更新，而不是按记录的学习时长。
对照真实考核和权威材料审计计划。

常见问题

AI 能制定个性化学习计划吗？

它可以围绕你的目标、约束和诊断结果来组织计划。只有在输入准确、并且日程会随着经过核实的表现而调整时，个性化才有用。

学习规划提示词应包含什么？

包括成果、经过核实的范围、截止日期、可用时间、固定事务、基线结果、考核形式、反馈来源，以及任何无障碍需求。删去不必要的个人或受限信息。

应该提前规划多久？

建立足以保护间隔复习和检查点的结构，但每周重新审视细节。当诊断结果变化时，一份死板的长期每日日程很容易失效。

每节课都需要检索练习吗？

大多数课次都应包含一些无提示的检索或应用，但一项全新的复杂技能可能需要先讲解和有指导的例题。只要能进行有意义的尝试，就尽快加入检索。

漏掉几节课怎么办？

使用缓冲时间，保护最优先的成果，并重新安排关键的检索检查。不要把所有错过的任务都堆到第二天。如果可用时间已经变化，就重新计算可行的范围。

AI 能判断我已经掌握吗？

AI 可以帮助应用经过核实的评分标准，但掌握应来自在代表性任务上的无提示表现，用可靠的答案或合格的反馈核查，并在一段时间之后再次检验。

多久调整一次计划？

在获得一组有意义的结果之后作小幅调整，例如每周复盘或延迟检查点之后。避免在每一道难题之后就重写日程。

这与 AI 项目规划相同吗？

不同。项目规划协调的是交付物、依赖、负责人和日期。学习计划协调的是学习活动，以及证明知识或技能能被提取和应用的反复证据。

延伸阅读：

免责声明：AI 可以组织学习活动，但不能保证学习效果、成绩、认证或专业能力。考核规则和学习材料应向负责机构或教师核实。

来源：

UNESCO — Guidance for generative AI in education and research — https://www.unesco.org/en/articles/guidance-generative-ai-education-and-research
NIST — Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile — https://www.nist.gov/publications/artificial-intelligence-risk-management-framework-generative-artificial-intelligence
Rawson and Dunlosky — Optimizing schedules of retrieval practice for durable and efficient learning — https://pubmed.ncbi.nlm.nih.gov/21707204/
Cepeda et al. — Distributed practice in verbal recall tasks: A review and quantitative synthesis — https://pubmed.ncbi.nlm.nih.gov/16719566/

Sources checked 2026 年 8 月 24 日。

如何用 AI 制定学习计划：从无提示诊断到间隔复习与错题调整